基于PSO-LSSVM模型的火电厂烟气含氧量预测
【出 处】:
【作 者】:
李建强
张莹莹
牛成林
【摘 要】锅炉烟气含氧量是机组运行最重要的参数之一,为了准确测量氧量,在支持向量机(SVM)的基础上,提出最小二乘支持向量机(LSSVM),并结合粒子群算法(PSO)对模型参数(C,g)进行寻优,从而建立锅炉输入和输出变量之间的关系模型.将该方法应用到某电厂600 MW燃煤机组中,用训练后的模型进行预测,并与SVM模型预测结果进行比较.结果 表明:采用LSSVM方法,能够辨识出多个变量与氧量之间的复杂关系,对锅炉氧量的预测误差为±0.03;并且PSO-LSSVM预测精度比PSO-SVM模型高,PSO-LSSVM模型具有预测精度高、泛化能力好、鲁棒性强和训练时间较短等优点.
相关热词搜索: 烟气含氧量 PSO LSSVM 鲁棒性